Le parcours de Vincent, de Business Analyst à Data Scientist

Quel est ton parcours ? 

J’ai commencé par faire une école de commerce après un DUT Commerce. J’ai ensuite été Business Analyst pendant 3 ans (Jedha propose également une formation pour devenir Business Analyst), à mi-chemin entre la Tech et le commerce. Dans mon poste, c’était beaucoup de manipulation de données sans trop réfléchir à son exploitation en profondeur. C'est là que la question de l'orientation vers la Tech s'est posée pour moi. Je travaillais toujours sur des questions très orientées business, puis c’est Jedha qui m'a permis de faire ce pivot. 

Comment t’es venue l’envie de te lancer dans la Tech ?

J’avais atteint une certaine lassitude dans mon poste. Autant dans le cœur de métier que dans la cible de l'entreprise pour laquelle je travaillais, je m'y retrouvais assez peu. Mais je comprenais aussi que mon métier se rapprochait de la Data Science, qu’il y avait une grosse vague autour de cela, et que ce domaine me plairait.

Plus profondément, j’avais envie de tout remettre à plat. Je me suis dit que le Tech est un domaine qui évolue rapidement, dans lequel les profils sont très autonomes. 

Comme je disais, je voulais m’éloigner de la simple manipulation de données pour construire à partir de celles-ci. Le chemin a été dur, mais ma reconversion est faite !

C’est à ce moment que tu as découvert Jedha !

Au moment où je voulais démissionner, je regardais les formations professionnelles et j’ai suivi quelques vidéos de Jedha, notamment une de Romain Granger, un des anciens enseignants qui donnait ses conseils pour devenir Data Scientist. Ça m’a beaucoup donné envie ! 

La formation était tout de même très dure et intensive ! Il y avait des niveaux très variés, mais j’avais un niveau de mathématiques moins avancé, ce qui faisait que j’avais plus de mal que les autres dans la classe.

C’est pour cela aussi que je voulais passer TA par la suite, pour me forcer à retravailler toutes ces notions théoriques et retravailler toutes les bases.

Quelle était l'ambiance en formation avec la promotion et les professeurs ? 

Nous échangions facilement, mais j’avoue avoir eu plus de mal sur les concepts techniques. Nous avions un groupe soudé avec une bonne entraide ! Avec les professeurs, nous avions des échanges fluides et informels, ils prenaient du temps pour nous ré-expliquer les notions, mais étant donné que je partais quasiment de 0, j'avais besoin de plus de temps pour assimiler les choses. 

Comment s’est ainsi passé ton projet final ?

J’ai fait un projet sur la thématique musicale : comment générer un son grâce à une IA ? J’ai vu le projet Magenta et tout cela m’a beaucoup plus, la musique est un domaine qui parle à tout le monde, le présenter de manière ludique m'est venue rapidement.

Magenta est un projet développé par Google visant à générer grâce aux Deep Learning et Reinforcement Learning des sons, images ou vidéos. 

TA @ Jedha , Data for Good, Airbnb, comment se sont enchaînés les projets après ton bootcamp ?

Après le bootcamp je sentais avoir vu beaucoup de choses, je souhaitais prendre du temps pour assimiler tout ça. 3 semaines après la fin de la formation, j’ai commencé à travailler en tant que TA chez Jedha (Teacher’s Assistant), et je travaillais en parallèle sur des projets Data for Good. 

Être TA me permettait de retravailler les notions techniques, afin d'apprendre à les expliquer et à les vulgariser, ce qui était très important pour moi qui avait eu plus de mal sur certains pans de la formation. 

D’un autre côté, Data for Good m’a beaucoup appris sur la gestion de projet Data. Je travaillais notamment avec un chercheur sur les causes des eczéma pour faire de l’exploration de données sur les données génétiques de patients atteints.

Depuis que Vincent a suivi notre formation Data Scientist, celui-ci a été refondu pour suivre l'entièreté d'un projet Data, de la collection de la donnée jusqu'au déploiement d'un application web en passant bien évidemment par la modélisation en Machine Learning et Deep Learning, des algorithmes implémentée sur ladite application.

‍

Le cumul des 2 continuait de me faire pratiquer et m’ont aussi bien conforté dans mes compétences techniques, à mon rythme, en collaboration. 

Quelle a été ton expérience chez Airbnb ?

Pendant mon expérience de TA, Emilien, un des professeurs de Jedha qui enseignait la session m’a parlé d’une de ces connaissances qui recherchaient un freelance pour Airbnb. J’ai postulé, et ai été pris après avoir passé un examen technique. Airbnb a été une énorme école pour moi, j’ai pu continuer à apprendre sur la gestion de projet Data, comment communiquer mes résultats, ce qu’est la méthode Agile, travailler en Sprint.

J’ai fait une première mission de Data Engineering : la création de table et dashboarding. Airbnb venait de racheter Luckey (société de conciergerie), l’idée était donc de migrer tout le stack technique de Luckey vers celui interne à Airbnb : j’ai pu contribuer à cette migration. Une seconde mission était celle de l’estimation de la life-time value, l’estimation de ce qu’un client de Airbnb peut rapporter en essayant de trouver les variables les plus pertinentes, et en faisant un modèle par la suite. Les données étaient très hétérogènes, et dépassent largement la taille de l’appartement.

Le poste de Data Scientist : le Machine Learning est loin d’être la seule mission sur laquelle on travaille.

Je voulais par la suite un poste 100% Data !

J’ai voulu déménager à Toulouse, et j’ai été pris dans une entreprise de conseil 100% Data, une SSII de 15 personnes, 15 Data Scientists. L’idée est d’aider les entreprises en les aidant à tirer de la valeur de leurs données. 

Les projets tournent généralement entre 6 mois et 1 an et demi. Actuellement, je travaille chez Airbus, sur une mission d'un an et demi. En tant que consultant, j’ai un rôle différent d’une Data Scientist interne étant donné que je n’ai pas tant le maître mot sur les priorités des missions. L’avantage est que je vois énormément de choses différentes en termes de coeurs de métier, d’outils, de technos, de sensibilité à la Tech, en termes d’accompagnement, de sensibilisation à des personnes non-techniques.

Avec le covid, il faut être d'autant plus impactant en présentant en quoi les services Data peuvent être bénéfiques pour l’entreprise cliente. Je reviens aussi donc parfois à mes origines commerciales dans les pitchs que je fais, les résultats à présenter etc. Commerce / Data est une bonne double casquette particulièrement appréciée.

Des conseils pour des personnes qui veulent se lancer ?

• Brander et communiquer sur ses projets ! Faire un beau portfolio, un readme sur Github. 
• Garder en vue Python : un Data Scientist est aussi un codeur et casser cette barrière du code est importante. Tout le monde n’est pas fait pour coder, même si c'est accessible à toute personne qui s'en donne les moyens !
• Être en perpétuelle formation : le code s’apprend en pratiquant. Les Data Scientists ne passent pas tout leur temps sur des notebooks, ils utilisent beaucoup d’autres outils.
• Brander son CV : la Data recrute beaucoup mais il ne faut pas penser qu’après une formation en Data on va avoir un tapis rouge, il faut savoir se mettre en avant. 
• S’ouvrir les portes : il n’y a pas qu’une seule stratégie pour devenir Data Scientist. Les projets externes, se lancer en Freelance quelques temps, il faut savoir s’ouvrir se créer des opportunités via son réseau.

Pour plus d'information, n'hésitez pas à rejoindre nos journées ou soirées portes ouvertes en ligne, ainsi qu'à prendre rendez-vous avec notre équipe admissions.